CC BY
22ПРОДОВОЛЬСТВЕННАЯ ПОЛИТИКА И БЕЗОПАСНОСТЬ
Том 6 • Номер 1 • Январь-март 2019 ISSN 2499-9431 Food Policy and Security
издательство
Креативная экономика
Анализ финансово-экономического состояния сельскохозяйственных предприятий Ростовской области на основе теории нечетких множеств и программного обеспечения Audit-IT
Артамонова А.Г. 1, Рахметова Л.В. 1, Сахарова Л.В. 1
1 Ростовский государственный экономический университет (РИНХ), Ростов, Россия
АННОТАЦИЯ:_
Целью работы является разработка методики оценки финансового состояния предприятия, а также его кредитоспособности и риска банкротства на основе нечетко-множественной модификации интегральной балльной методики Audit-IT (программа «Ваш финансовый аналитик»). Модификация осуществлена с использованием подхода, разработанного Недосекиным О.А. для оценки риска банкротства предприятия и заключающегося в агрегировании показателей коэффициентного анализа посредством стандартных пятиточечных классификаторов. Новизна предложенной методики состоит в возможности трансформации стандартных интегральных балльных методик оценки финансового состояния предприятия, а также MDA-методик оценки риска банкротства в соответствующие нечетко-множественные методики, обладающие рядом важных преимуществ. В частности, они позволяют изменять комплекс исследуемых параметров в зависимости от целей и задач исследования без существенной переработки модели; настраивать веса параметров в зависимости от отраслевой и территориальной специфики, а также экспертных оценок; сводить воедино количественные оценки показателей с оценками динамики их изменения. Кроме того, на основе указанных нечетко-множественных методик оказывается возможным агрегировать оценки, полученные для отдельных предприятий, в комплексные оценки по региону, что и продемонстрировано на примере сельскохозяйственных предприятий Ростовской области.
КЛЮЧЕВЫЕ СЛОВА: анализ финансовой отчетности, комплексная оценка, агрегирование, нечетко-множественная методика
Analysis of financial and economic state of agricultural enterprises of the Rostov region on the basis of the theory of fuzzy sets and Audit-IT software
Artamonova A.G. 1, Rakhmetova L.V. 1, Sakharova L.V. 1
1 Rostov State Economic University «RINH» , Russia
Введение
Актуальность темы исследования определяется тем, что интегральная оценка финансового состояния сельскохозяйственных предприятий имеет большое значение для государственных органов управления, формирующих
инвестиционную и налоговую политику, потенциальных инвесторов и партнеров компании, а также руководителей самой компании. Способ интегральных оценок учитывает все взаимосвязи между показателями, а также позволяет проследить их возможную динамику и выявить отклонения [1] (Kuvshinov, 2012). Основные недостатки существующих методик, построенных на интегральных оценках, заключены в субъективном подходе к определению экспертных оценок и неучете специфических особенностей предприятия и отраслей [2] (Smelova, Merzlikina, 2003).
В настоящее время в качестве инструмента анализа чаще всего выступают финансовые коэффициенты, позволяющие выявить как динамику показателей, так и пределы допустимых значений и соотношений показателей. Разработаны критерии, на основе которых коэффициенты дают качественную оценку финансовому состоянию организации, чаще всего на основе интегральных балльных оценок [3] (Khriplivyy, Khriplivyy, 2012). Начисление баллов происходит в автоматическом режиме; большинство показателей имеют равный либо произвольно установленный вес; при добавлении новых
ABSTRACT:_
The aim of this work is to develop a methodology for assessing the financial condition of the company and its creditworthiness and risk of bankruptcy based on the fuzzy modification of the Audit-IT integrated scoring methodology the program «Your financial analyst»). The modification was carried out using the approach developed by Nedosekin O.A. to assess the risk of bankruptcy of the enterprise consisting in the aggregation of indicators ratio analysis through standard five-point classifiers. The novelty of the proposed method lies in the possibility of transformation of the integral of the standard scoring techniques for assessing the financial condition of the company and MDA-methods of assessing the risk of bankruptcy into the corresponding fuzzy-set methods, has a number of important advantages. In particular, they allow you to change the complex of the studied parameters depending on the goals and objectives of the study without significant processing model; to adjust the weight parameters depending on the sectoral and territorial specificities, as well as expert assessments; to bring together the quantitative assessment indicators and dynamics of their change. In addition, based on the fuzzy techniques, it is possible to aggregate the estimates obtained for individual businesses in integrated assessment for the region as demonstrated by the example of agricultural enterprises of the Rostov region.
KEYWORDS: financial statement analysis, comprehensive evaluation, aggregation of fuzzy methodology
JEL Classification: Received: 19.11.2018 / Published: 31.03.2019
© Author(s) / Publication: CREATIVE ECONOMY Publishers For correspondence: Artamonova A.G. (anya1OO430gmail.com)
CITATION:_
Artamonova A.G., Rakhmetova L.V., Sakharova L.V. (2019) Analiz finansovo-ekonomicheskogo sostoyaniya selskokhozyaystvennyh predpriyatiy Rostovskoy oblasti na osnove teorii nechetkikh mnozhestv i programmnogo obespecheniya Audit-IT [Analysis of financial and economic state of agricultural enterprises of the Rostov region on the basis of the theory of fuzzy sets and Audit-IT software]. Prodovolstvennaya politika i bezopasnost. 6. (1). - 9-28. doi: 10.18334/ppib.6.1.41380
показателей приходится изменять весь порядок счета и т.п. Указанные модели с трудом поддаются модификации; существенной проблемой в них является учет мнений экспертов, а также неопределенности внешних условий.
Вместе с тем в финансовый анализ уже начинает проникать нечеткая логика, относительно молодой инструментарий математического моделирования в условиях полной неопределенности, то есть в условиях вероятностной изменчивости внешней среды и неопределенности экспертных оценок. Широкую известность получила модель Недосекина А.О. оценки риска банкротства предприятия на основе стандартных пятиточечных [0,1]-классификаторов [4] (Nedosekin, 2003). Модель была обобщена на совокупность показателей, выходящих за рамки финансовой отчетности и учтенных в количественной балльной шкале Аргенти [5] (Nedosekin, 2005); в том числе помимо традиционного блока уровня финансов автором был рассмотрен блок управления предприятием, включающий в себя уровень топ-менеджмента, финансового менеджмента, подразделений маркетинга и рекламы, развития дистрибьюторской сети и филиалов и т.п. Модель показала высокий уровень точности предсказаний, гибкость и модифицируемость. Примененный подход указывает путь для построения аналогичных нечетко-логических моделей на базе общепринятых интегральных балльных моделей оценки финансового состояния предприятия.
В данной статье представлена нечетко-множественная модификация «Методики анализа финансового состояния организации» Audit-IT [6]. Для реализации методики использованы авторские методики оценки состояния систем на основе нечетко-множественного агрегирования комплексов показателей [7; 8] (Alekseychik, Bogachev, Karasev, Sakharova, Stryukov, 2019).
Целью работы является разработка методики оценки финансово-экономического состояния сельскохозяйственных предприятий региона на основе нечетко-множественной модификации интегральной балльной методики Audit-IT (программа «Ваш финансовый аналитик»).
ОБ АВТОРАХ:_
Артамонова Анна Геннадьевна, магистрант, гр. ПМИС^-821, факультет компьютерных технологий и информационной безопасности [anya1OO430gmai1.com]
Рахметова Лилия Владимировна, магистрант, гр. ПМИOZ-821, факультет компьютерных технологий и информационной безопасности [[.dov2O1O0mai1.ru]
Сахарова Людмила Викторовна, профессор кафедры фундаментальной и прикладной математики, д.ф.-м.н,, доцент [L_Sakharova0mai1.ru]
ЦИТИРОВАТЬ СТАТЬЮ:_
Артамонова А.Г, Рахметова Л.В., Сахарова Л.В. Анализ финансово-экономического состояния сельскохозяйственных предприятий Ростовской области на основе теории нечетких множеств и программного обеспечения Audit-IT // Продовольственная политика и безопасность. - 2019. - Том 6. - № 1. - С. 9-28. doi: 10.18334/рр1Ь.6.1.41380
Предмет исследования - финансовая устойчивость сельскохозяйственных предприятий региона, рассчитанная на основе финансовых коэффициентов, позволяющих выявить как динамику показателей, так и пределы допустимых значений (ограничений) и соотношений показателей. Объект исследования - финансовая отчетность выборки из десяти предприятий АПК Ростовской области.
Современное состояние вопроса. Существуют различные трактовки финансового состояния, имеющие место в современной литературе. Так, Р.Л. Жамбекова [9] (Zhambekova, 2012) считает, что финансовое состояние предприятия есть многомерная экономическая величина, отражающая наличие и использование финансовых ресурсов предприятия. В работе авторов В.Л. Быкадорова и П.Д. Алексеева [10] (Bykadorov, Alekseev, 2013) дано определение финансового состояния предприятия как важнейшей характеристики надежности, конкурентоспособности, устойчивости предприятия, характеризуемой на рынке размещением и использованием активов, а также источников их формирования (собственного капитала и обязательств, т.е. пассивов). Авторы В.Г. Артеменко, М.В. Беллендир [11] (Sabitova, 2016) определяют финансовое состояние предприятия как характеристику финансовой конкурентоспособности предприятия (т.е. платежеспособности, кредитоспособности), использования финансовых ресурсов и капитала, выполнения обязательств перед государством и другими хозяйствующими субъектами. Авторы Э.А. Маркарьян, Т.П. Герасименко [12] (Markaryan, Gerasimenko, 2013) утверждают, что это есть совокупность показателей, отражающих способность предприятия погасить свои долговые обязательства. Автор В.И. Бариленко [13] (Barilenko, 2009) определяет финансовое состояние предприятия как характеристику финансовой конкурентоспособности, т.е. платежеспособности, использования финансовых ресурсов предприятия и капитала, выполнения обязательств перед государством и другими предприятиями.
Анализ литературы показывает, что различные исследователи по-разному соотносят понятия финансового состояния предприятия, финансовой устойчивости, а также кредитоспособности предприятия. Исследователь Савицкая Г.В. [14] (Savitskaya, 2004) дает определение финансовой устойчивости предприятия как способности предприятия функционировать и развиваться, сохранять равенство между имуществом предприятия и источниками его формирования в условиях изменяющейся внутренней и внешней среды, обеспечивать его платежеспособность и инвестиционную привлекательность в долгосрочной перспективе в рамках приемлемого уровня риска. Исследователь Ивасенко А.Г. [15] (Ivasenko, Nikonova, 2008) обобщает указанное определение тем, что финансовая устойчивость предприятия есть его независимость от источников финансирования. Такие авторы, как Ковалева А.М. [16] (Kovaleva, Lapusta, Skamay, 2011), Войтоловский Н.В. [17] (Voytolovskiy, Kalinina, Mazurova, 2009), Лапуста М.Г. [18] (Lapusta, Mazurina, Skamay, 2008) трактуют финансовую устойчивость предприятия как состояние его финансовых ресурсов, допускающее развитие предприятия за счет прироста роста чистой прибыли при сохранении платежеспособ-
ности и кредитоспособности в условиях допустимого уровня риска. В своих учебниках Гиляровская Л.Т. [19] (Gilyarovskaya, 2006) и Скамай Л.Г. [20] (Skamay, 2018) утверждают, что финансовая устойчивость формируется за счет стабильного превышения доходов над расходами компании, позволяющего свободно маневрировать финансовыми ресурсами организации и на основе их эффективного использования обеспечивать бесперебойный процесс производства и реализации товаров.
Исследователь Бабич А.А. [21] (Babich, 2009) определяет финансовую устойчивость как способность компании решать комплекс задач: формировать эффективные договорные отношения с поставщиками и покупателями; осуществлять регулярный мониторинг деятельности конкурентов; осуществлять внутрифирменный контроль планово-экономических показателей деятельности компании. Профессор Шеремет А.Д. [22] (Sheremet, Sayfulin, 1999) рассматривает финансовую устойчивость как составную часть комплексной оценки финансового состояния предприятия. Исследователь Григорьева Т.И. [23] (Grigoreva, 2012) отмечает, что финансовая устойчивость есть оценка разных сторон деятельности компании, комплексный индикатор ее эффективного функционирования, один из факторов ее застрахованности от банкротства.
Авторы Грачев В.В. и Абрютина М.С. в своих работах утверждают, что финансовая устойчивость предприятия есть не что иное, как надежно гарантированная платежеспособность [24] (Abryutina, 2012). В работах Русака Н.А. и Русака В.А. понятие финансовой устойчивости выступает в качестве критерия надежности для партнеров фирмы [25] (Rusak N.A., Rusak V.A., 2012). В свою очередь, текущая платежеспособность, то есть ликвидность, выступает внешним признаком финансовой устойчивости. Данную точку зрения поддерживают такие авторы, как Артеменко В.Г. и Скороход Н.В. [26] (Skorokhod, 2014). По мнению исследователя Чараевой М.В., платежеспособность является внешним проявлением финансовой устойчивости. Однако финансовая устойчивость - это внутренняя сторона проявления финансового состояния, обеспечивающая стабильную платежеспособность в длительной перспективе, в основе которой лежит сбалансированность активов и пассивов, доходов и расходов, денежных и товарных потоков [27].
В основу предлагаемой методики положена количественная трактовка оценки финансового состояния и платежеспособности предприятия на основе методики
Основная часть
1. Методика анализа финансово-экономического состояния предприятия на основе методики Audit-IT
1.1. Анализ финансового состояния сельскохозяйственного производства в регионе
Обобщающая (интегральная) оценка финансового состояния организации складывается из оценки финансового положения и оценки эффективности деятельности организации. При этом используется следующая градация, приведенная в таблице 1.
В обобщающей оценке финансового состояния участвуют следующие показатели (в скобках приведен вес показателя): коэффициент автономии (0,25); соотношение чистых активов и уставного капитала (0,1); коэффициент обеспеченности собственными оборотными средствами (0,15); коэффициент текущей (общей) ликвидности (0,15); коэффициент быстрой (промежуточной) ликвидности (0,2); коэффициент абсолютной ликвидности (0,15).
Таблица 1
Градация финансового состояния организации
Балл Условное обозначение (рейтинг) Качественная характеристика финансового состояния
от до*
2 1.6 АЛЛ Отличное
1.6 1.2 АА Очень хорошее
1.2 0.8 А Хорошее
0.8 0.4 ВВВ Положительное
0.4 0 ВВ Нормальное
0 -0.4 В Удовлетворительное
-0.4 -0.8 ССС Неудовлетворительное
-0.8 -1.2 СС Плохое
-1.2 -1.6 С Очень плохое
-1.6 2 й Критическое
Источник: Аи&ИТ [6].
В обобщающей оценке эффективности деятельности участвуют следующие показатели: рентабельность собственного капитала (0,3); рентабельность активов (0,2); рентабельность продаж (0,2); динамика выручки (0,1); оборачиваемость оборотных средств (0,1); соотношение прибыли от прочих операций и выручки от основной деятельности (0,1).
На основе баллов финансового положения и эффективности деятельности рассчитывается обобщающая оценка - балл финансового состояния, как сумма балла финансового положения, умноженного на 0,6, и балла финансовых результатов, умноженного на 0,4. Таким образом, показатели берутся в пропорции 60 % и 40 %, поскольку
показатель финансового положения в большей степени характеризует финансовое состояние организации. В зависимости от значения балла финансового состояния (в соответствии с приведенной выше таблицей) организации присваивается 1 из 10 значений финансового рейтинга - от ААА (наилучший) до D (наихудший).
Авторская модификация методики. Для агрегирования оценок по хозяйствам региона использованы так называемые матричные схемы агрегирования данных, нечеткие трехуровневые [0,1]-классификаторы.
В качестве носителя лингвистической переменной определен отрезок вещественной оси [0,1]. Лингвистическая переменная «риск банкротства» (и каждого предприятия, и региона) имеет терм-множество значений G, состоящее из трех термов: G1 -«Риск банкротства низкий»; G2 - «риск банкротства средний»; G3 - «риск банкротства высокий». Лингвистическая переменная «кредитоспособность заемщика» (и отдельного предприятия, и региона) также имеет терм-множество G, состоящее из трех термов: G1 - «кредитование которых не вызывает сомнений»; G2 - «кредитование требует взвешенного подхода»; G3 - «кредитование связано с повышенным риском».
Матричная схема агрегирования данных на основе трехуровневых нечетких классификаторов базируется на формуле:
^ Vp.Vc,.i (ч I. (1)
где aj - узловые точки стандартного классификатора (центры тяжести термов), pi -вес i-го факторов в свертке, (x;) - значение функции принадлежности j-го качественного уровня относительно текущего значения i-го фактора (использованы стандартные трапециевидные). Затем показатель g подвергается распознаванию на основе стандартного нечеткого классификатора в соответствии с указанными функциями принадлежности.
1.2. Анализ кредитоспособности заемщика (методика Сбербанка)
В соответствии с методикой Сбербанка кредитоспособность заемщика определяется на основе значений шести показателей: 1) коэффициент абсолютной ликвидности; 2) коэффициент промежуточной (быстрой) ликвидности; 3) коэффициент текущей ликвидности; 4) коэффициент наличия собственных средств (кроме торговых и лизинговых организаций); 5) рентабельность продукции; 6) рентабельность деятельности предприятия. В зависимости от значения каждого из показателей он может быть отнесен к одной из трех категорий (табл. 2). Чтобы вычислить сумму баллов заемщика, нужно умножить номер категории показателя на его весовой коэффициент (табл. 2), а затем просуммировать полученные значения.
Заемщики делятся в зависимости от полученной суммы баллов на три класса: 1) первоклассные - кредитование которых не вызывает сомнений (сумма баллов до 1,25 включительно); 2) второго класса - кредитование требует взвешенного подхода (больше 1,25, но меньше 2,35 включительно); 3) третьего класса - кредитование свя-
зано с повышенным риском (больше 2,35). Схема расчета категории, к которой может быть отнесен заемщик, приведена в таблице 2.
Таблица 2
Распределение показателей по категориям в зависимости от их числового значения (методика Сбербанка)
Показатель Обозначение Вес Справочно: категории показателя
1 категория 2 категория 3 категория
Коэффициент абсолютной ликвидности R1 0,05 0,1 и выше 0,05-0,1 менее 0,05
Коэффициент промежуточной (быстрой) ликвидности R2 0,1 0,8 и выше 0,5-0,8 менее 0,5
Коэффициент текущей ликвидности R3 0,4 1,5 и выше 1,0-1,5 менее 1,0
Коэффициент наличия собственных средств R4 0,2 0,4 и выше 0,25-0,4 менее 0,25
Рентабельность продукции R5 0,15 0,1 и выше менее 0,1 нерентаб.
Рентабельность деятельности предприятия R6 0,1 0,06 и выше менее 0,06 нерентаб.
Сумма баллов S 1 До 1,25 От 1,25 до 2,35 более 2,35
Источник: Audit-IT [6].
1.3. Методика оценки риска банкротства предприятия
Для оценки риска банкротства предприятия использованы три стандартные методики, также реализованные в ПО Аи^-1Т: 7-счет Альтмана (модель Альтмана), модель Таффлера, модель Сейфуллина-Кадыкова.
7-счет Альтмана рассчитывается по следующей формуле (4-факторная модель для частных непроизводственных компаний):
7-счет = 6,56Т + 3,26Т2 + 6,72Т3 + 1,05Т4,
где Т1 есть отношение оборотного капитала к величине всех активов; Т2 есть отношение нераспределенной прибыли к величине всех активов; Т3 есть отношение ЕВ1Т к величине всех активов; Т4 есть отношение собственного капитала к заемному. Предполагаемая вероятность банкротства в зависимости от значения 7-счета Альтмана составляет: 1) 1,1 и менее - высокая вероятность банкротства; 2) от 1,1 до 2,6 - средняя вероятность банкротства; 3) от 2,6 и выше - низкая вероятность банкротства.
Модель Таффлера включает четыре фактора:
Ъ = 0,53Х1 + 0,13Х2 + 0,18Х3 + 0,16Х4,
где Х1 = Прибыль от продаж / Краткосрочные обязательства; Х2 = Оборотные активы / Обязательства; Х3 = Краткосрочные обязательства / Активы; Х4 = Выручка / Активы. Вероятность банкротства по модели Таффлера определяется следующим образом: если Ъ больше 0,3, то вероятность банкротства низкая; если Ъ = 0,3, то вероятность средняя; если Ъ меньше 0,2, то вероятность банкротства высокая.
Пятифакторная модель методики Сайфуллина - Кадыкова: Итоговый показатель определяется по формуле:
R = 2КХ + 0,1К2 + 0,08К3 + 0,45К4 + К5,
где К есть коэффициент обеспеченности собственными средствами; К2 есть коэффициент текущей ликвидности; К3 есть коэффициент оборачиваемости активов; К4 есть коммерческая маржа (рентабельность реализации продукции); К5 есть рентабельность собственного капитала. Согласно модели Сайфуллина-Кадыкова, при значении итогового показателя R<1 вероятность банкротства организации считается высокой, при R = 1 - средней, при R>1 - низкой.
Авторская модификация методики. Для агрегирования информации использованы нечеткие трехуровневые [0,1]-классификаторы. В качестве носителя лингвистической переменной определен отрезок вещественной оси [0,1]. Лингвистическая переменная «риск банкротства» (и каждого предприятия, и региона) имеет терм-множество значений G, состоящее из трех термов: G1 - «Риск банкротства низкий»; G2 -«риск банкротства средний»; G3 - «риск банкротства высокий». Лингвистическая переменная «кредитоспособность заемщика» (и отдельного предприятия, и региона) также имеет терм-множество G, состоящее из трех термов: G1 - «кредитование которых не вызывает сомнений»; G2 - «кредитование требует взвешенного подхода»; G3 - «кредитование связано с повышенным риском». Агрегирование осуществляется на основе формулы (1)
2. Эксперимент
2.1. Оценка финансового состояния предприятий региона
Осуществлено диагностирование финансового состояния, кредитоспособности и риска банкротства предприятий региона на основе произвольной выборки 10 предприятий АПК Ростовской области: 1) ООО «Литвиненко»; 2) ООО «Аксайская земля»; 3) ООО «Маныч-Агро »; 4) АО «Дружба»; 5) ООО «Мутилинское»; 6) ЗАО «Красный Октябрь»; 7) ООО «Светлый»; 8) ООО «Рассвет»; 9) СПК им. Шаумяна; 10) ООО «Агрофирма «Целина». Расчет оценок для отдельных предприятий приведен в таблице 3, а их агрегирование - в таблице 4. Агрегирование, проведенное на основе деся-
тиуровневых стандартных [0,1]-классификаторов показало, что оценка финансового состояния предприятий региона по рассмотренной выборке равна 0,158, что соответствует терму «очень хорошее состояние»
Таблица3
Оценка финансового состояния предприятий
N Вес ООО «Литвинен-ко» ООО «Аксайская земля» ООО «Маныч-Агро» АО «Дружба» ООО «Мути-линское»
1.1. 0,25 0,25 0,35 -0,25 0,25 -0,175
1.2. 0,1 0,2 0,2 0,2 0,2 0,2
1.3. 0,15 0,188 0,3 -0,3 0,3 0,263
1.4. 0,15 0,3 0,3 -0,3 0,3 0,3
1.5. 0,2 0,35 0,4 -0,4 0,4 -0,4
1.6. 0,15 0,3 0,3 -0,3 -0,06 -0,3
1 группа 0,4 1,588 1,85 -1,35 1,39 -0,112
2.1 0,3 0,6 0,015 -0,075 0,6 -0,345
2.2. 0,2 0,4 0,28 -0,2 0,4 -0,2
2.3. 0,2 0,4 0,2 0,23 0,4 -0,2
2.4. 0,1 0,2 0,2 0,2 0,2 0,2
2.5. 0,1 0,1 0,05 -0,115 -0,175 0,16
2.6. 0,1 0,2 0,2 0,16 0,2 0,2
2 группа 0,6 1,9 + ,945 0,2 1,625 -0,185
Итоговая оценка 1 1,71 1,49 -0,73 1,48 -0,14
Терм AAA - отличное АА - очень хорошее ССС - неудовлетворительное АА - очень хорошее В -удовлетвори-тельное
Таблица 3, продолжение
N Вес ЗАО «Красный Октябрь» ООО «Светлый» ООО «Рассвет» СПК им. Шаумяна ООО «Агрофирма Целина»
1.1. 0,25 0,313 0,25 0,275 0,25 0,25
1.2. 0,1 0,2 0,2 0,2 0,2 0,2
1.3. 0,15 0,3 0,3 0,188 0,3 0,3
1.4. 0,15 0,3 0,3 0,3 0,3 0,3
1.5. 0,2 0,23 0,4 -0,05 0,4 0,4
1.6. 0,15 -0,24 0,3 0,3 0,3 0,3
1 группа 0,4 1,103 1,75 1,213 1,75 1,75
2.1 0,3 0,42 0,015 0,6 0,42 0,6
2.2. 0,2 0,4 0,04 0,4 0,4 0,4
2.3. 0,2 0,4 0,01 0,23 0,25 0,4
2.4. 0,1 0,2 0,2 0,2 0,2 0,2
2.5. 0,1 0,04 -0,175 0,175 0,1 0,05
2.6. 0,1 0,2 0,2 0,2 0,2 0,2
2 группа 0,6 1,66 0,29 1,805 1,57 1,85
Итоговая оценка 1 1,33 1,17 1,45 1,68 1,79
Терм АА - очень хорошее А - хорошее АА - очень хорошее ААА - отличное ААА - отличное
Источник: составлено авторами
Таблица 4
Расчет агрегированной оценки финансового состояния предприятий региона
N Название предприятия Выручка за 2017 г Весовой коэффициент
1. ООО «Литвиненко» 79 570 0,012
2. ООО «Аксайская земля» 150894 0,023
3. ООО «Маныч-Агро» 414 200 0,062
4. АО «Дружба» 268 102 0,040
5. ООО «Мутилинское» 41 310 0,006
6. ЗАО «Красный Октябрь» 664 244 0,100
7. ООО «Светлый» 1 334 894 0,201
8. ООО «Рассвет» 767386 0,116
9. СПК им. Шаумяна 778 727 0,117
10. ООО «Агрофирма Целина» 2 143 745 0,323
6 643 072 1
Таблица 4, продолжение
N Термы
ААА АА А ВВВ ВВ В ССС СС С й
1. 1 0 0 0 0 0 0 0 0 0
2. 0 1 0 0 0 0 0 0 0 0
3. 0 0 0 0 0 0 1 0 0 0
4. 0 1 0 0 0 0 0 0 0 0
5. 0 0 0 0 0 1 0 0 0 0
6. 0 1 0 0 0 0 0 0 0 0
7. 0 0 1 0 0 0 0 0 0 0
8. 0 1 0 0 0 0 0 0 0 0
9. 1 0 0 0 0 0 0 0 0 0
10. 1 0 0 0 0 0 0 0 0 0
0,452 0,279 0,201 0 0 0,006 0,062 0 0 0
Э = 0,05-0,452 + 0,15-0,279 + 0,25-0,201 + 0,35-0 + 0,45-0 + 0,55-0,006 + 0,65-0,062 + + 0,75-0,062 + 0,85-0 + 0,95-0 = 0,158 (терм АА - «очень хорошее состояние»)
Источник: составлено авторами.
Расчеты кредитоспособности каждого из предприятий на основе методики Сбербанка, а также оценки вероятности риска его банкротства (на базе методик Альтмана, Таффлера и Сейфуллина-Кадыкова) выполнены на ПО Аи^-1Т. Для финансового анализа использована бухгалтерская отчетность предприятий за 20152017 годы.
2.2. Оценка кредитоспособности
На первом этапе осуществлен анализ финансового состояния каждого из предприятий на ПО Аи^-1Т. На втором этапе результаты расчетов сведены в таблицу 5. На третьем этапе осуществлено агрегирование полученных оценок на основе нечетких трехуровневых [0,1]-классификаторов. При этом в качестве весовых коэффициентов предприятий выступают доли каждого из них в суммарной выручке за 2017 год. Установлено, что числовое значение агрегированной переменной «кредитоспособность предприятий региона» есть G=0,22, что соответствует первому классу, «кредитование не вызывает сомнений».
Таблица 5
Кредитоспособность заемщика (1 - фактическое значение параметра; 2 - категория; Б - сумма баллов)
Показатель Вес ООО «Литви-ненко» ООО «Аксай-ская земля» ООО «Маныч-Агро» АО «Дружба» ООО «Мутилин-ское»
1 2 1 2 1 2 1 2 1 2
R1 0,05 29,23 1 0,02 3 <0,01 3 <0,01 3 0,04 3
R2 0,1 68,74 1 1,14 1 0,24 3 2,48 1 0,04 3
R3 0,4 190,46 1 2,51 1 0,7 3 11,42 1 3,97 1
Р4 0,2 0,93 1 0,58 1 0,33 2 0,92 1 0,51 1
Р5 0,15 0,31 1 0,15 1 0,15 1 0,33 1 0,04 2
Р6 0,1 0,29 1 0,1 1 0,13 1 0,34 1 0,03 2
Б 1 1 1,1 2,3 1,1 1,55
Категория 1 1 2 1 2
Таблица 5. продолжение
Показатель Вес ЗАО «Красный Октябрь» ООО «Светлый» ООО «Рассвет» СПК им. Шаумяна ООО «Агрофирма Целина»
1 2 1 2 1 2 1 2 1 2
РП 0,05 29,23 1 0,03 3 0,39 1 4,161 1 23,61 1
Р2 0,1 68,74 1 0,85 1 0,72 2 4,96 1 30,36 1
Р3 0,4 190,46 1 5,35 1 3,71 1 11,64 1 55,82 1
Р4 0,2 0,93 1 0,83 1 0,72 1 0,95 1 0,99 1
Р5 0,15 0,31 1 0,25 1 0,19 1 0,14 1 0,39 1
Р6 0,1 0,29 1 0,23 1 0,26 1 0,16 1 0,36 1
Б 1 1 1,1 1,1 0,1 1
Категория 1 1 1 1 1
Источник: составлено авторами.
Таблица 6
Расчет агрегированной оценки кредитоспособности сельскохозяйственных предприятий
N Название предприятия Выручка за 2017 г Весовой Термы
коэфф 1 класс 2 класс 3 класс
1. ООО «Литвиненко» 79 570 0,012 1 0 0
2. ООО «Аксайская земля» 150 894 0,023 1 0 0
3. ООО «Маныч-Агро» 414 200 0,062 0 1 0
4. АО «Дружба» 268102 0,040 1 0 0
5. ООО «Мутилинское» 41 310 0.006 0 1 0
6. ЗАО «Красный Октябрь» 664 244 0,100 1 0 0
7. ООО «Светлый» 1 334 894 0,201 1 0 0
8. ООО «Рассвет» 767 386 0,116 1 0 0
9. СПК им. Шаумяна 778 727 0,117 1 0 0
10. ООО «Агрофирма Целина» 2 143 745 0,323 1 0 0
6 643 072 1 0,932 0,068 0
Э = 0,2-0,932 + 0,5-0,068 + 0,8-0 = 0,22 (1 класс, «кредитование не вызывает сомнений»).
Источник: составлено авторами.
2.3. Оценка риска банкротства предприятий региона
Исследование включало в себя следующие этапы.
Первый этап. Финансовый анализ каждого из предприятий на ПО Аи^-1Т.
Второй этап. Формирование сводных таблиц для 10 предприятий, соответственно, для методик Альтмана, Таффлера, Сейфуллина-Кадыкова (таблица 7 для методики Альтмана).
Третий этап. Агрегирование оценок для предприятий, рассчитанных на основе модели Альтмана, в интегральную оценку риска банкротства предприятий региона (табл. 8). Установлено, что G(Альтмана) = 0.237.
Четвертый этап: то же для модели Таффлера. Установлено, что G (Таффлера) = 0,219.
Пятый этап: то же для модели Сейфуллина-Кадыкова. Установлено, что G (Сейфуллина-Кадыкова) = 0,239.
Шестой этап. Агрегирование полученных интегральных оценок риска банкротства предприятий региона на основе моделей Альтмана, Таффлера, Сейфуллина-Кадыкова в итоговую оценку (методики считаются равновесомыми, таблица 9). Установлено, что G = 0,247
ц(0,247) = |Л(0,247) = 0,765, ц(0,247) = ц2(0,247) = 0,235
то есть имеет место в большей степени низкая степень банкротства, чем средняя, по оценкам всех трех моделей.
Таблица 7
Расчет риска банкротства сельскохозяйственных предприятий на основе модели
Альтмана
Показатель ООО «Литви-ненко» ООО «Аксай-ская земля» ООО «Маныч-Агро» АО «Дружба» ООО «Мутилин-ское»
T1 0,37 0,35 -0,18 0,63 0,44
T2 0,87 0,42 0,15 0,76 0,51
T3 0,16 0,12 0,06 0,15 0,06
T4 6,93 1,36 0,49 11,73 1,06
Z-счет Альтмана: 13,62 5,88 0,24 19,9 6,06
Степень риска банкротства низкая низкая высокая низкая низкая
Таблица 7, продолжение
Показатель ЗАО «Красный Октябрь» ООО «Светлый» ООО «Рассвет» СПК им. Шаумяна ООО «Агрофирма Целина»
Т1 0,39 0,7 0,33 0,52 0,53
Т2 0,78 0,83 0,72 0,51 0,98
Т3 0,13 0,04 0,27 0,12 0,22
Т4 4,87 5,05 2,6 19,56 102,62
Z-счет Альтмана: 11,07 12,84 9,1 26,42 115,92
Степень риска банкротства низкая низкая низкая низкая низкая
Источник: составлено авторами.
Таблица 8
Расчет агрегированной оценки риска банкротства сельскохозяйственных предприятий региона на основе модели Альтмана
N Название предприятия Весовой коэффициент Термы
Э1 Э2 Э2
1. ООО «Литвиненко» 0,012 1 0 0
2. ООО «Аксайская земля» 0,023 1 0 0
3. ООО «Маныч-Агро» 0,062 0 1
4. АО «Дружба» 0,040 1 0 0
5. ООО «Мутилинское» 0,006 1 0 0
6. ЗАО «Красный Октябрь» 0,100 1 0 0
7. ООО «Светлый» 0,201 1 0 0
8. ООО «Рассвет» 0,116 1 0 0
9. СПК им. Шаумяна 0,117 1 0 0
10 ООО«Агрофирма Целина» 0,323 1 0 0
1 0,938 0 0,062
Э = 0,2-0,938 + 0,5-0 + 0,8-0,062 = 0,237
Источник: составлено авторами.
Таблица 9
Расчет агрегированной оценки риска банкротства сельскохозяйственных предприятий региона на основе трех моделей
Методика Вес методики Оценка региона Термы
G1 G2 G3
Z-счет Альтмана: 1/3 0,237 0,815 0,185 0
Z-счет Таффлера: 1/3 0,219 0,905 0,095 0
Модель Сайфуллина-Кадыкова 1/3 0,239 0,805 0,195 0
Вес терма 0,842 0,158 0
G = 0,2-0,842 + 0,5-0,158 + 0,8-0 = 0,247
Источник: составлено авторами.
Таким образом, на основе проведенного анализа установлено, что значение агрегированной переменной «кредитоспособность предприятий региона» равна G = 0,22, что соответствует первому классу, «кредитование не вызывает сомнений». Установлено также, что интегральная оценка риска банкротства предприятий региона, построенная на основе моделей Альтмана, Таффлера, Сейфуллина-Кадыкова в предположении о равновесомости методик, равна G = 0,247. То есть имеет место в большей степени низкая степень банкротства, чем средняя, по оценкам всех трех моделей.
ВЫВОДЫ
Разработана методика оценки финансового состояния предприятия, кредитоспособности и оценки риска банкротства сельскохозяйственных предприятий региона на основе нечетко-множественной модификации интегральной балльной методики Аи^-1Т (программа «Ваш финансовый аналитик»). Модификация осуществлена с использованием подхода, разработанного Недосекиным О.А. для оценки риска банкротства предприятия и заключающегося в агрегировании показателей коэффициентного анализа посредством стандартных пятиточечных классификаторов. Расчет соответствующих оценок позволяет осуществлять внутриотраслевое ранжирование предприятий, а также их кластеризацию с последующим исследованием корреляционных зависимостей между показателями финансово-экономической деятельности внутри кластеров. Предложенная методика демонстрирует возможность трансформации стандартной интегральной балльной методики оценки финансового состояния предприятия в соответствующую нечетко-множественную методику, обладающую рядом важных преимуществ. В частности, она позволяет изменять комплекс исследуемых параметров в зависимости от целей и задач исследования без существенной переработки модели; настраивать веса параметров в зависимости от отраслевой и террито-
риальной специфики, а также экспертных оценок; сводить воедино количественные оценки показателей с оценками динамики их изменения.
ИСТОЧНИКИ:
1. Кувшинов М.С. Инновационные инструменты прогнозирования оценки финансо-
вого состояния предприятия // Вестник южно-уральского государственного университета. серия: экономика и менеджмент. - 2012. - № 30(289). - с. 56-66.
2. Смелова Т.А., Мерзликина Г.С. Оценка экономической состоятельности в антикри-
зисном управлении предприятием. - Волгоград, Россия: ВолгГТУ, 2003.
3. Хрипливый Ф.П., Хрипливый А.Ф. Сравнительный анализ методов оценки финан-
сового состояния организации // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. - 2012. - № 81. - с. 901-922.
4. Nedosekin A.O. Fuzzy financial management. - Moscow, Russia: AFA Library, 2003.
5. Недосекин А.О. Оценка риска бизнеса на основе нечетких данных. / Монография. -
СПб., 2005. - 100 с.
6. Финансовый анализ. Аудиторская фирма «Авдеев и К»: аудиторские и бухгалтерские
услуги. Audit-IT. [Электронный ресурс]. URL: https://www.audit-it.ru.
7. Alekseychik T.V., Bogachev T.V., Karasev D.N., Sakharova L.V., Stryukov M.B. Fuzzy
method of assessing the intensity of agricultural production on a set of criteria of the level of intensification and the level of economic efficiency of intensification // Advances in Intelligent Systems and Computing. - 2019. - № 896. - p. 790-798.
8. Vovchenko N.G., Stryukov M.B., Sakharova L.V., Domokur O.V. Fuzzy-logic analysis
of the state of the atmosphere in large cities of the industrial region on the example of Rostov region // Advances in Intelligent Systems and Computing. - 2019. - № 896. -p. 709-715.
9. Жамбекова Р.Л. Методика системной экономической диагностики предприятия. /
Дис.... др. экон. Наук., 2012. - 354 c.
10. Быкадоров В.Л., Алексеев П.Д. Финансово экономическое состояние предприятия. / практ. пособие. - Москва: ПРИОР, 2013. - 96 c.
11. Сабитова Г.М. Финансовое состояние предприятия как важнейшая характеристика его деятельности // Молодой ученый. - 2016. - № 18(122). - c. 281-284. - url: https:// moluch.ru/archive/122/33609.
12. Маркарьян Э.А., Герасименко Г.П. Выбор показателей для анализа финансового состояния предприятия на различных стадиях жизненного цикла как основа оценки эффективности деятельности // Вестник Таганрогского института управления и экономики. - 2013. - № 2. - c. 15-19.
13. Бариленко В.И. Анализ хозяйственной деятельности. / Учебное пособие. - Москва: Омега - Л, 2009. - 363 c.
14. Савицкая Г.В. Анализ хозяйственной деятельности предприятия. / Учебник, 3-е изд. - М.: ИНФРА-М, 2004. - 425 с.
15. Ивасенко А.Г., Никонова Я.И. Финансы организаций (предприятий). / Учебное пособие. - М.: КНОРУС, 2008. - 208 с.
16. Ковалева А.М., Лапуста М.Г., Скамай Л.Г. Финансы фирмы. / Учебник, 4-е изд. -М.: ИНФРА-М, 2011. - 522 с.
17. Войтоловский Н.В., Калинина А.П., Мазурова И.И. Комплексный экономический анализ предприятия. / Учебное пособие. - СПб.: Питер, 2009. - 576 с.
18. Лапуста М.Г., Мазурина Т.Ю., Скамай Л.Г. Финансы организаций (предприятий). / Учебник. - М.: ИНФРА-М, 2008. - 575 с.
19. Гиляровская Л.Т. Комплексный экономический анализ хозяйственной деятельности. / Учебник. - М.: ТК Велби. Проспект, 2006. - 360 с.
20. Скамай Л.Г. Страхование. / учебник и практикум для прикладного бакалавриата. 3-е изд., перераб. и доп. - Москва: Издательство Юрайт, 2018. - 293 с.
21. Бабич А.А. Типология финансовой устойчивости организаций. Сборник научных трудов Сев. Кав. ГТУ. Серия «Экономика». [Электронный ресурс]. URL: http:// science.ncstu.ru/ articles/econom/2009_09/03.pdf/file_download.
22. Шеремет А.Д., Сайфулин Р.С. Финансы предприятий. - М.: ИНФРА-М, 1999. - 343 с.
23. Григорьева Т.И. Финансовый анализ для менеджеров: оценка, прогноз. / учебник. 2-е изд. - М.: Юрайт, 2012. - 462 с.
24. Абрютина М.С. Финансовый анализ коммерческой деятельности. / Учебное пособие. - М.: «Финпресс», 2012. - 176 с.
25. Русак Н.А., Русак В.А. Диагностика финансового состояния предприятия // Труд и социальные отношения. - 2012. - № 9. - с. 120-126.
26. Скороход Н.В. Финансовая устойчивость: содержание, формы проявления и оценка // Экономические науки. - 2014. - № 1(110). - с. 105-108.
REFERENCES:
Abryutina M.S. (2012). Finansovyy analiz kommercheskoy deyatelnosti [Financial analysis] M.: «Finpress». (in Russian).
Alekseychik T.V., Bogachev T.V., Karasev D.N., Sakharova L.V., Stryukov M.B. (2019). Fuzzy method of assessing the intensity of agricultural production on a set of criteria of the level of intensification and the level of economic efficiency of intensification Advances in Intelligent Systems and Computing. (896). 790-798.
Barilenko V.I. (2009). Analiz khozyaystvennoy deyatelnosti [Business analysis] Moscow: Omega - L. (in Russian).
Bykadorov V.L., Alekseev P.D. (2013). Finansovo ekonomicheskoe sostoyanie predpriyatiya [The financial and economic condition of the enterprise] Moscow: PRIOR. (in Russian).
Gilyarovskaya L.T. (2006). Kompleksnyy ekonomicheskiy analiz khozyaystvennoy deyatelnosti [Comprehensive economic analysis of economic activities] M.: TK Velbi. Prospekt. (in Russian).
Grigoreva T.I. (2012). Finansovyy analiz dlya menedzherov: otsenka, prognoz [Financial analysis for managers: evaluation, prognosis] M.: Yurayt. (in Russian).
Ivasenko A.G., Nikonova Ya.I. (2008). Finansy organizatsiy (predpriyatiy) [Finances of organizations (enterprises)] M.: KNORUS. (in Russian).
Khriplivyy F.P., Khriplivyy A.F. (2012). Sravnitelnyy analiz metodov otsenki finansovogo sostoyaniya organizatsii [Comparative analysis of methods of an estimation of the financial condition of a company]. Scientific Journal of KubSAU. (81). 901-922. (in Russian).
Kovaleva A.M., Lapusta M.G., Skamay L.G. (2011). Finansy firmy [Finance] M.: INFRA-M. (in Russian).
Kuvshinov M.S. (2012). Innovatsionnye instrumenty prognozirovaniya otsenki finansovogo sostoyaniya predpriyatiya [Innovative prediction techniques of estimation of an enterprise financial condition]. Vestnik yuzhno-uralskogo gosudarstvennogo universiteta. seriya: ekonomika i menedzhment. (30(289)). 56-66. (in Russian).
Lapusta M.G., Mazurina T.Yu., Skamay L.G. (2008). Finansy organizatsiy (predpriyatiy) [Finances of organizations (enterprises)] M.: INFRA-M. (in Russian).
Markaryan E.A., Gerasimenko G.P. (2013). Vybor pokazateley dlya analiza finansovogo sostoyaniya predpriyatiya na razlichnyh stadiyakh zhiznennogo tsikla kak osnova otsenki effektivnosti deyatelnosti [The choice of indicators for the analysis of the financial condition of the enterprise at different stages of the life cycle as a basis for performance evaluation]. Bulletin of Taganrog Institute of Management and Economics. (2). 15-19. (in Russian).
Nedosekin A.O. (2003). Fuzzy financial management Moscow, Russia: AFA Library.
Nedosekin A.O. (2005). Otsenka riska biznesa na osnove nechetkikh dannyh [Assessment of business risk based on fuzzy data] SPb.. (in Russian).
Rusak N.A., Rusak V.A. (2012). Diagnostika finansovogo sostoyaniya predpriyatiya [Diagnostics of financial state of enterprise]. Labor and social relations. (9). 120-126. (in Russian).
Sabitova G.M. (2016). Finansovoe sostoyanie predpriyatiya kak vazhneyshaya kharakteristika ego deyatelnosti [Financial condition of the enterprise as an important feature of its activities]. The young scientist. (18(122)). 281-284. (in Russian).
Savitskaya G.V. (2004). Analiz khozyaystvennoy deyatelnosti predpriyatiya [Analysis of economic activity of the enterprise] M.: INFRA-M. (in Russian).
Sheremet A.D., Sayfulin R.S. (1999). Finansy predpriyatiy [Companies' finance] M.: INFRA-M. (in Russian).
Skamay L.G. (2018). Strakhovanie [Insurance] Moscow: Izdatelstvo Yurayt. (in Russian).
Skorokhod N.V. (2014). Finansovaya ustoychivost: soderzhanie, formy proyavleniya i otsenka [Financial stability: the contents, forms of expression and evaluation]. Economic sciences. (1(110)). 105-108. (in Russian).
Smelova T.A., Merzlikina G.S. (2003). Otsenka ekonomicheskoy sostoyatelnosti v antikrizisnom upravlenii predpriyatiem [The assessment of the economic viability of anti-crisis enterprise management] Volgograd, Rossiya: VolgGTU. (in Russian).
Vovchenko N.G., Stryukov M.B., Sakharova L.V., Domokur O.V. (2019). Fuzzy-logic analysis of the state of the atmosphere in large cities of the industrial region on the example of Rostov region Advances in Intelligent Systems and Computing. (896). 709-715.
Voytolovskiy N.V., Kalinina A.P., Mazurova I.I. (2009). Kompleksnyy ekonomicheskiy analiz predpriyatiya [Comprehensive economic analysis of the enterprise] SPb.: Piter. (in Russian).
Zhambekova R.L. (2012). Metodika sistemnoy ekonomicheskoy diagnostiki predpriyatiya [The method of the system of economic diagnostics of the enterprise] (in Russian).
